问C中的随机数生成

EN

首先，研究Mersenne Twister。这应该是你问题的一个极好的基础。

模式1:直接使用这些值。假设值为32位，取决于最小和最大的范围，模( max - min +1)可能足够好，但如果这个间隔不是2的幂，则存在较小的偏差。否则，您可以将该值视为0到1之间的浮点值，并需要一些附加操作。也许还有其他的解决方案来得到与整数相等的分布，但我还没有研究过这个特定的问题。维基百科在这里可能会有所帮助。

模式2:使用一个用min..max填充的数组，然后对其进行洗牌。按顺序返回被洗牌的值。当你通过数组，重新填充和重新洗牌。

模式3是最复杂的。少量的随机值显示集群，也就是说，如果计算不同值的出现次数，则有一个平均值，并且计数通常高于或低于此平均值。正如我理解你们之间的联系一样，人类期望随机性在平均水平上具有所有的精确性。因此，根据它们与平均计数的距离，计算出发生的次数并给出不同的值更高的概率。简单地对多个数组重用模式2就足够了，例如，使用10倍于(max- min+1 )大小的数组，用10倍min、10倍min+1等填充数组，然后对其进行洗牌。每满10轮，你就会得到完全相等的计数。

编辑模式3：

假设你有min=1和max=5，你可以计算出发生的次数。如果它们都具有相同的概率(应该使用一个好的随机生成器)，那么每个值发生的概率为0.2，因为概率加起来等于1.0：

Value Occur Probability
1     7x    0.2
2     7x    0.2
3     7x    0.2
4     7x    0.2
5     7x    0.2
Average: 7x

但现在假设3只发生了5倍，5发生了9倍。如果你想保持相等的分布，那么3必须成为一个更高的概率来赶上平均发生，而5必须成为一个较低的概率，直到所有其他的值都聚集起来，才会增长得这么快。尽管如此，所有个体概率加起来都必须达到1.0：

Value Occur Probability
1     7x    0.2
2     7x    0.2
3     5x    0.3
4     7x    0.2
5     9x    0.1
Average: Still 7x

不同的事件也应该有不同的概率，这取决于它们与平均值的距离：

Value Occur Probability
1     10x   0.05
2     4x    0.35
3     5x    0.3
4     7x    0.2
5     9x    0.1
Average: Still 7x

没有那么简单的实现，而且很可能非常慢，因为随机生成器仍然提供相同的概率，因此修改模式2可能是一个很好的选择。

作为第一步，去读Knuth吧。

如果max-min = 2^N-1，则可以对模式2使用线性反馈移位寄存器.这种随机发生器产生具有N位内存储器的2^N1数的重复序列.有关更详细的解释和代码，请参见http://en.wikipedia.org/wiki/LFSR。